基于運(yùn)行數(shù)據(jù)的大型火電機(jī)組熱工過程建模研究.pdf

1、隨著電廠信息化水平的不斷提高，基于數(shù)據(jù)的系統(tǒng)研究正逐步引起人們的關(guān)注。其中，基于運(yùn)行數(shù)據(jù)的復(fù)雜熱工系統(tǒng)建模便是研究熱點(diǎn)之一。該方法有效克服了機(jī)理建模精度不足，試驗(yàn)建模工作量太大的缺點(diǎn)。本文在介紹熱工建模方法、分析熱工運(yùn)行數(shù)據(jù)特性的基礎(chǔ)上，研究了主成分分析法和極限學(xué)習(xí)機(jī)算法及其在熱工過程建模方面的應(yīng)用。以超臨界機(jī)組過熱汽溫系統(tǒng)為實(shí)例，利用現(xiàn)場(chǎng)運(yùn)行數(shù)據(jù)建立了基于極限學(xué)習(xí)機(jī)的神經(jīng)網(wǎng)絡(luò)模型。
　　首先，針對(duì)現(xiàn)場(chǎng)運(yùn)行數(shù)據(jù)信息量大、變量間存在

2、冗余等復(fù)雜特性，本文將主成分分析（Principal Component Analysis，PCA）方法用于模型輔助變量的選擇。該方法能夠?qū)⒋嬖谙嚓P(guān)性的原始輸入變量轉(zhuǎn)化為互不相關(guān)的主成分，有效克服了系統(tǒng)輸入變量間的冗余問題，優(yōu)化了模型輸入變量，保證了模型的準(zhǔn)確性和有效性。
　　然后，研究了極限學(xué)習(xí)機(jī)算法和核極限學(xué)習(xí)機(jī)算法在系統(tǒng)建模中的應(yīng)用，分析了模型參數(shù)的選擇以及模型驗(yàn)證方法。利用主成分分析和極限學(xué)習(xí)機(jī)相結(jié)合的方法對(duì)Box-Jen